Redis-大厂程序员是怎么用的 | 青训营笔记

子落
64 阅读5分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第 6 天

为什么需要Redis：

  • 数据从单表，演进到分库分表
  • 数据分冷热：将热数据存储到内存中

image.png

Redis基本工作原理

  • 数据从内存中读写
  • 数据保存到硬盘上防止重启数据丢失： 1.增量数据保存到AOF文件 2.全量数据RDB文件 3.单线程处理所有操作命令

image.png

Redis应用案例

1.连续签到

GO的String数据结构不同于其他语言

  • 可以存储 字符串、数字、二进制数据
  • 通常和expire配合使用
  • 场景：存储技术、Session

image.png

2.消息通知

用list作为消息队列

  • 使用场景：消息通知 List数据结构Quicklist：由一个双向链表和listpack实现

image.png

3.计数

Hash数据结构dict rehash: rehash操 作是将ht[0]中的数据,全部迁移到ht[1]中。数据量小的场景下，直接将数据从ht[0]拷贝到ht[1]速度是较快的。数据量大的场景，例如存有上百万的KV时，迁移过程将会明显阻塞用户请求。 渐进式rehash:为避免出现这种情况，使用了rehash方案。基本原理就是，每次用户访问时都会迁移少量数据。将整个迁移过程，平摊到所有的访问用户不请求过程中。

image.png

4.排行榜

积分变化时，排名实时变更 zset数据结构zskiplist 结合dict后，可实现通过key操作跳表的功能

image.png

image.png

5.限流

要求1秒内放行的请求为N，超过N则禁止访问 调用redis的key、对 key的访问次数

6.分布式锁

并发场景，要求一次只能由一个协程执行。执行完成后，其他等待中的协程才能执行。 可以使用redis的setnx实现，利用了两个特性： 1.redis是单线程执行 2.setnx只有未设置过才能执行成功

Redis使用注意事项

1.大Key、热Key

image.png 大Key的危害：读取 成本高、容易导致慢查询（过期、删除）、主从复制异常，服务阻塞无法正常响应请求。

业务侧使用大Key的表现：请求Redis超时报错。

消除大Key的方法：

  • 拆分：将大Key拆分为多个小Key（类似于网络通信的分片）。
  • 压缩：将value压缩后写入redis，读取时解压后再使用。如果存储的是JSON字符串，可以考虑使用MessagePack进行序列化。

热Key的定义：用户访问一个Key的QPS特别高，导 致Server实例出现CPU负载突增或者不均的情况。热key没有明确的标准，QPS超过500就有可能被识别为热Key

image.png 解决热Key的方法：

  • 设置Localcache：在访问Redis前，在业务服务侧设置L ocalcache,降低访问Redis的QPS。LocalCache中 缓存过期或未命中， 则从Redis中将数据更新到LocalCache。Java的Guava、 Golang的Bigcache就是这类LocalCache。

image.png

  • 拆分：将key : value这一个热Key复制写入多 份，例如key1 :value, key2: value,访问的时候访问多个key,但value是同一个，以此将qps分散到不同实例上，降低负载。代价是，更新时需要更新多个key,存在数据短暂不一致的风险。

image.png

  • 使用Redis代理的热Key承载能力：字节跳动的Redis访问代理就具备热Key承载能力。本质上是结合了“热Key发现"、"LocalCache" 两个功能。

2.慢查询场景

容易导致redis慢查询的操作：

  1. 批量操作一次性传入过多的key/ value,如mset/ hmset/ sadd/ zadd等0(n)操作，建议单批次不要超过100,超过100之后性能下降明显。
  2. zset大部分命令都是0(log(n)),当大小超过5k以上时，简单的zadd/zrem也可能导致慢查询。
  3. 操作的单个value过大，超过10KB。也即，避免使用大Key。
  4. 对大key的delete/ expire操作也可能导致慢查询，Redis4 .0之前不支持异步删除unlink,大key 删除会阻塞Redis。

3.缓存穿透、缓存雪崩

缓存穿透:热点数据查询绕过缓存，直接查询数据库 缓存雪崩:大量缓存同时过期 缓存穿透的危害

(1)查询一个一定不存在的数据

通常不会缓存不存在的数据，这类查询请求都会直接打到db，如果有系统bug或人为攻击, 那么容易导致db响应慢甚至宕机

(2)缓存过期时

在高并发场景下，一个热key如果过期，会有大量请求同时击穿至db,容易影响db性能和稳定。 同一时间有大量key集中过期时，也会导致大量请求落到db上，导致查询变慢，甚至出现db无法响应新的查询

如何减少缓存穿透

(1)缓存空值

如一个不存在的userlD。这个id在缓存和数据库中都不存在。则可以缓存一一个空值，下次再查缓存直接反空值。

(2)布隆过滤器

通过bloom filter算 法来存储合法Key,得益于该算法超高的压缩率，只需占用极小的空间就能存储大量key值

如何避免缓存雪崩：

  1. 缓存空值 将缓存失效时间分散开，比如在原有的失效时间基础上增加一个随机值，例如不同Key过期时间， 可以设置为10分1秒过期，10分23秒过期，10分8秒过期。单位秒部分就是随机时间，这样过期时间就分散了。 对于热点数据，过期时间尽量设置得长一些，冷门的数据可以相对设置过期时间短一些。
  2. 使用缓存集群，避免单机宕机造成的缓存雪崩。
avatar
文章
阅读
粉丝